Data Catalog Experten in Deutschland
mit geprüften, verfügbaren Spezialisten und der Kraft von KIBeauftragen Sie Experten, die Data Catalogs entwerfen, Metadatenquellen anbinden und die Data Discovery in Ihrem Stack verbessern. Sie unterstützen Governance-, Lineage-, Glossar- und Zugriffsprozesse mit schnellem, präzisem Matching zu geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in Deutschland kennen, die kürzlich Data Catalog eingesetzt haben
Philipp Grunert
Letzte Position:
Data Scientist & ML Engineer bei Data-Science Factory GmbH
- Aufbau, Implementierung und Vertrieb von automatisierten Data-Science-Lösungen wie Scorecard Factory und Prognose Factory
- Implementierung automatisierter End-to-End-Cloud-Prozesse
- Entwicklung von LLM- und NLP-Modellen
- Erstellung interaktiver Reports
- Betreuung nationaler und internationaler Großkonzerne sowie mittelständischer Firmen bei der Implementierung von ML-Projekten
Serge Kalinin
Letzte Position:
MLOps (machine learning operations) bei REWE Digital GmbH
- Es ist wie ein Start-up innerhalb von REWE, wo wir von Grund auf ein neues Prognosesystem auf der Google Cloud Platform aufbauen müssen. Offiziell heißt meine Rolle MLOps, aber meine eigentlichen Aufgaben umfassen auch die Entwicklung von Datenverarbeitungspipelines (Data Engineering) sowie Aufgaben von Data Scientists wie Feature Engineering und Modelltraining.
- GCP: Terraform (tofu), Vertex AI (Kubeflow), Cloud Run, IAM, Google Cloud Storage, BigQuery, Artifact Registry
- Data Engineering: Snowflake als zentrales Data Warehouse, Terraform, DBT für die Implementierung von Datenmodellen
- CI/CD: GitLab. Wir haben eine CI/CD-Pipeline aufgebaut, die Deployments neuer Releases bis in die Produktionsumgebung automatisiert
Jan Krol
Letzte Position:
Datenexperte bei Fertigung
Marcus Brandt
Letzte Position:
Geschäftsführer bei Petermann Brandt GmbH
- Entwicklung und Implementierung von maßgeschneiderten IT-Lösungen für Schlüsselkunden.
- Über 15 Jahre Erfahrung im IT- und Projektmanagement, disziplinarische Führung bis zu 80 Mitarbeiter.
Robert Wieland
Letzte Position:
Manager Datenarchitektur bei Accenture
- Datenmigrations-Engine / Datenmigration von proprietären Quellsystemen nach SAP/S4 (SAP S/4 HANA Migration fort.)
- Entwicklung eines Konzepts zur Datenautorisierung
- Konzeption der Systemarchitektur / Datenarchitektur / Datenintegration - kontinuierliche Erweiterungen
- Entwicklung eines konzeptionellen / logischen (MDM) Datenmodells - kontinuierliche Erweiterungen
Keying Wu
Letzte Position:
Freiberufliche Fullstack-Entwicklerin bei Helaba Invest
- ChatGPT-ähnlicher KI-Chatbot mit Datei-Upload- und Interaktionsfunktionen, gehostet auf Azure in Europa, um die Einhaltung der Datenschutzbestimmungen des Unternehmens zu gewährleisten
- KI-gestützte Lösung zur Verarbeitung juristischer Dokumente zur automatischen Extraktion steuerrelevanter Daten aus komplexen Rechtsdokumenten, Verbesserung der Genauigkeit bei der Ermittlung steuerlicher Verpflichtungen, Verkürzung der Verarbeitungszeit und Minimierung des Risikos von Nichteinhaltung
- Asset Manager Service-Portal (AMS) entwickelt mit Angular, Python, Docker und Oracle DB, das als zentrales Datenkatalog dient und die Effizienz und Genauigkeit bei der Datenabfrage verbessert
- Dynamics 365 Azure-Integration über kundenspezifische Azure Functions-Plugins, um die CRM-Funktionen an die speziellen Anforderungen eines Investmentinstituts anzupassen
Maxime Péricat
Letzte Position:
Analytics- und Marketing-Berater bei Data Strategy Consulting - Péricat
Als Freelancer unterstütze ich Unternehmen dabei, Online-Marketing und Analytics strategisch aufzubauen und gezielt einzusetzen.
Gemeinsam entwickeln wir eine nachhaltige Strategie, um Ihre Zielgruppe zu erreichen, Daten sinnvoll und datenschutzkonform zu nutzen und Ihre Website optimal aufzustellen.
Dabei setze ich auf eine enge, langfristige Zusammenarbeit – transparent, pragmatisch und ohne unnötige Fachbegriffe.
Mein Ziel ist es, Ihr Unternehmen digital stark zu machen und Ihnen die Werkzeuge an die Hand zu geben, um fundierte Entscheidungen zu treffen.
In meiner Tätigkeit arbeite ich auf Senior-Niveau.
Kompetenzen:
Digitale (Web-)Analytics
Marketing-Technologie
Datenschutz im Web (DSGVO & TDDDSG)
Cookies & Cookie-Banner
Datenstrategie
Google Analytics
Google Tag Manager
Google Ads
Digitales Projektmanagement
Patrick Upmann
Letzte Position:
Interim Management | Beratung & Umsetzung | Datenlöschen in SAP bei BSR (Berliner Stadtreinigung)
- Themen: Business Analyse, Datenschutz, Datenmanagement, Stakeholder Management, Konzeption
- Das vorliegende Projekt konzentriert sich auf die Entwicklung und Umsetzung eines strategischen Ansatzes für das Datenlöschen in SAP-Systemen. Ziel ist es, die relevanten Daten und Strukturen bei der Systemübernahme zu identifizieren, um sowohl den Datenschutz als auch die IT-Systemeffizienz zu gewährleisten. Gleichzeitig sollen Downtimedauern minimiert und regulatorische Anforderungen erfüllt werden.
- Entwicklung eines umfassenden Ansatzes zur Datenlöschung in SAP-Systemen unter Berücksichtigung datenschutzrechtlicher und geschäftlicher Anforderungen.
- Sicherstellung einer effizienten und strukturierten Datenüberführung in das neue System.
- Optimierung der Systemeffizienz und Reduktion von Downtimes während der Migration.
- Erstellung fachlicher und technischer Konzepte, um eine rechtskonforme und nachhaltige Datenverwaltung sicherzustellen.
- Themenvorbereitung: Detaillierte Untersuchung des Themenfelds „Datenlöschen", um die Grundlage für eine strukturierte Datenmigration zu schaffen.
- Definition der Projektstruktur: Festlegung von Rollen, Schnittstellen und der organisatorischen Projektstruktur.
- Regulatorische Anforderungen: Analyse von datenschutzrechtlichen Vorgaben und geschäftlichen Anforderungen, um die Löschkriterien zu definieren.
- Vorgehensweise: Entwicklung möglicher Szenarien und Vorgehensweisen für die Datenbereinigung und -löschung.
- Löschkonzepte: Erstellung von fachlichen und technischen Löschkonzepten, die die Implementierung strukturieren und klare Vorgaben liefern.
- Festlegung der Löschkriterien: Definition, welche Daten und Strukturen gelöscht oder übertragen werden.
- Verantwortlichkeiten: Klärung der Verantwortlichkeiten innerhalb des Projektteams sowie bei beteiligten Stakeholdern.
- Analyse laufender Aktivitäten: Identifikation und Erhebung bereits laufender Aktivitäten im Themenfeld „Datenlöschen".
- Aufwands-, Kosten- und Zeitplanung: Erstellung von Schätzungen für Ressourcen, Zeitaufwand und Budget.
- Umsetzungsinitiativen: Entwicklung und Umsetzung konkreter Maßnahmen, um die definierten Löschstrategien umzusetzen.
- IT-Systemeffizienz: Analyse der vorhandenen IT-Infrastruktur, um Optimierungspotenziale für die Löschung und Überführung von Daten zu identifizieren.
- Technologietrends: Bewertung neuer Technologien und Tools, die den Prozess der Datenbereinigung unterstützen können.
- Kosten-Nutzen-Analyse: Bewertung der finanziellen Auswirkungen der Datenbereinigung und der Einführung neuer Lösungsansätze.
- Risikomanagement: Identifikation potenzieller Risiken während der Umsetzung und Entwicklung geeigneter Maßnahmen zur Minimierung.
- Dieses Projekt legt die Grundlage für eine nachhaltige und rechtskonforme Datenüberführung in ein neues SAP-System. Mit einem klar definierten Ansatz zur Datenlöschung werden Datenschutzanforderungen erfüllt, Downtimes reduziert und die Effizienz des neuen Systems gesteigert. Die Ergebnisse und Handlungsempfehlungen werden Unternehmen dabei unterstützen, eine zukunftssichere Datenstrategie zu entwickeln, die gleichzeitig den gesetzlichen und geschäftlichen Anforderungen entspricht.
Mathew Divine
Letzte Position:
Data Science Expert and AI Strategist bei Freelancer
- Erstellte eine API zum Import, zur Bereinigung, Übersetzung und Indexierung von EU-Ausschreibungsdokumenten in Neo4j, wodurch eine hybride Suche mit RAG- und Cypher-Abfragen über ein Streamlit-Dashboard möglich wurde
- Setzte die API in AWS Lightsail Container-Services ein, automatisierte CI/CD mit GitHub Actions und sicherte die Stabilität durch pytest Unit- und Integrationstests
- Entwarf und entwickelte einen umfassenden Online-Kurs zur Datenanalyse mit ChatGPT für Fachleute und Lernende und erstellte dazu Lehrvideos und interaktive Jupyter-Notebooks
- Setzte OBS und professionelle Audioausrüstung ein, um Video- und Audiomaterial in hoher Qualität zu gewährleisten
- Leitete ein CRM-Daten-Normalisierungs- und Bereinigungsprojekt, das über ein Sankey-Diagramm visualisiert wurde, um das Kundenverständnis und die Pipeline-Entwicklung zu unterstützen
- Implementierte und validierte eine genAI-gesteuerte Web-Crawling-Strategie auf AWS und stellte Datenqualität, Skalierbarkeit und CRM-Datenanreicherung sicher
Nikolay Tonev
Letzte Position:
Senior Cloud-Datenarchitekt bei Cloudreach/Eviden (ein ATOS-Unternehmen)
- Konzipierte eine Self-Service-Plattform mit Google Kubernetes Engine (GKE) für eine große Finanzinstitution (Commerzbank), die über 1000 Nutzer in Hunderten von Produktteams befähigte, Ressourcen eigenständig bereitzustellen und Entwicklungszyklen deutlich zu beschleunigen.
- Entwarf eine datenproduktorientierte Plattformarchitektur für das britische Verkehrsministerium (Department for Transport, DfT), um mehr als 1500 direkte Endanwender und zahlreiche angebundene Drittsysteme zu bedienen, wodurch Datenzugänglichkeit und Governance verbessert wurden.
- Trieb das Geschäftswachstum voran, indem ich die strategische Roadmap für die Geschäftslinie 'One Cloud' entwickelte, mit dem Ziel einer Umsatzsteigerung von 10 %.
- Diente als Kernmitglied der CTO-Authority und gab strategische Empfehlungen zu internen Cloud-Initiativen und Best Practices.
Doncho Panayotov
Letzte Position:
KI-Ingenieur / Datenwissenschaftler bei Freiberuflich
- Entwarf und implementierte skalierbare Data-Governance-Frameworks für Unternehmen aus Gesundheitswesen, Energie und Telekommunikation.
- Entwickelte Datenmodelle in Azure Synapse & Power BI und ermöglichte so hochleistungsfähige Berichte und Skalierbarkeit.
- Leitete die Migration von Altsystemen im BI-Bereich auf Cloud-Infrastruktur und steigerte Effizienz und Ausfallsicherheit.
- Agierte als technischer Berater und unterstützte Kunden bei Architekturverbesserungen und Implementierungsstrategien.
Maziyar Khorrami
Letzte Position:
Data Engineer bei MSD Germany
- Lead-Architekt für die Gestaltung und Umsetzung des Data Lake und der ETL-Pipeline mit dem AWS-Stack
- Leistungsoptimierung der Datenaufnahme der ETL-Pipeline
- Entwicklung der Datenvalidierung mit Great Expectations
- Leitung der Datenmigration für zwei Quellsysteme
- Datenmodellierung in AWS Redshift
MLOps
- Implementierung der Modell-Inferenz mit mlflow und AWS SageMaker
- Feature Engineering für die laufenden ML-Modelle (Recommender Engineer, Clustering)
- Implementierung von Model Registry und Artifactory mit mlflow
- Historisierung und Profiling der Eingabedaten mit AWS Glue Crawler und AWS Data Catalog
- Feature Importance mit mlflow
Tech. Stack: Python 3, AWS Glue, AWS Step Function, AWS Lambda, AWS EventBridge, AWS IAM Role, AWS SageMaker, AWS EC2, AWS Glue Crawler, AWS CloudWatch, MLFlow, ETL, Data Lake, GitHub Action, Terraform, Jenkins, Ansible Playbooks (Infrastructure as Code), CI/CD, GitLab, SQL, PySpark, Scrum, Agile, Jira, Big Data, VSCode, DBeaver, MSSQL, MySQL, Grafana, Docker, Linux, Bash, MapReduce, Datenmodellierung (ORM), Pandas, YAML, SQL-Alchemy
Bharathi Vanganuru
Letzte Position:
Senior Softwareingenieur (Einzelbeitragender) bei European XFEL
- Elektronische Logbuch-App, entwickelt für Forschungszentren zur Dokumentation ihrer Untersuchungen.
- Betont eine nutzerorientierte Organisation der Kommunikation: Versuchsteams können die Informationsstruktur und Benachrichtigungen konfigurieren, während Hauptuntersuchungsleiter die volle Zugriffskontrolle behalten.
- Echtzeit-Integration mit dem Metadatenkatalog der Einrichtung, dem Steuerungssystem Karabo und dem Datenanalysetool ermöglicht die automatische Protokollierung wichtiger Ereignisse, ergänzt durch manuelle Einträge nach Bedarf.
Petru Kisalita
Letzte Position:
Architekt & Technischer Teamleiter & Senior Entwickler bei Goetel GmbH
- Konzeption, Architektur & Entwicklung/Programmierung der ETL/ELT-Datenpipelines, DWH und BI-Lösung
- Technische Projektleitung, POC – Erstellung eines Proof of Concept
- Vermittlung zwischen Fachbereichen und technischen Teams
- Azure DevOps Boards & Jira
- Datenmodellierung & Data Engineering – Data Warehouse & Data Mart
- Azure (Data Factory, Azure SQL, Azure DevOps CI/CD, Azure Data Lake V2, Business Central REST API, OData API, OAuth2-Token)
- SharePoint-Liste & API für ADF, Firebird DB, Postgres DB, DB2
- Power BI (Power Query), DAX, Excel-PBI-Add-on, GIS-Daten
- Automatisiertes Monitoring/Logging von ETL-Prozessen, Performance-Monitoring, Fehler-Monitoring – Erkennung und Behebung
- Index-Performance-Tuning & Statistik-Monitoring, Transact-SQL
- Datensicherheit – MFA – Multifaktor-Authentifizierung & OAuth2, MS Graph, Azure-Netzwerke & Firewalls, Gateways, Rollen, Benutzergruppen – mit Lese- und Schreibberechtigungen
- Quellen – Vario Bill, Camunda, Radius, Geo-Datenbank, OTRS, PAST, MS Dynamics Business Central, Azure Blob Data Lake, SharePoint-Liste
Matthias Von Görbitz
Letzte Position:
Geschäftsführender Gesellschafter bei IT-Beratungsfirma
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Data Catalog einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
18 Jahre
Positionsdauer
3,8 Jahre
Positionen pro Freelancer
12
Häufigste Fachbereiche
Informationstechnologie (IT), Business Intelligence, Produktentwicklung
Häufigste Branchen
Informationstechnologie (IT), Einzelhandel, Professionelle Dienstleistungen
Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Personalwesen
Bachelor-Abschluss oder höher
92%
Master-Abschluss oder höher
54%
Doktortitel
23%
Zertifizierungen pro Freelancer
4
Häufigste Sprachen
Deutsch, Englisch, Französisch
Sprechen zwei oder mehr Sprachen
93%
Basierend auf unserem Profilpool, Stand 30 Aug 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in Deutschland verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, wie viele Freelancer innerhalb dieser Spanne abrechnen.
Durchschnittssätze von Experten in Deutschland, die Data Catalog einsetzen
Die Tagessätze basieren auf aktuellen Verträgen und enthalten keinen FRATCH-Aufschlag.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 30 Aug 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Über die Technologie
Data-Catalog-Grundlagen
Ein Data Catalog hilft Menschen dabei, Daten im Unternehmen zu finden, zu verstehen und ihnen zu vertrauen. Er sammelt Metadaten aus Datenbanken, Warehouses, Lakes, BI-Tools und Pipelines, damit Teams mit mehr Kontext suchen, taggen und Daten nutzen können. Viele Teams nennen das auch einen Metadatenkatalog oder Enterprise Data Catalog.
Was er unterstützt
- Data Discovery und Suche über verschiedene Systeme hinweg
- Business Glossary und Begriffsverwaltung
- Ownership, Stewardship und Daten-Domänen
- Lineage und Auswirkungsanalyse
- Zugriffsanfragen und Richtlinienkontext
Das ist vor allem in Analytics-, Plattform- und Governance-Arbeiten üblich, in denen viele Datenquellen eine einheitliche Sicht brauchen.
Wo Experten helfen
Unternehmen holen freiberufliche Spezialisten hinzu, wenn ein Catalog zu einem Cloud-Stack, einem Lakehouse oder einem schnell wachsenden Governance-Programm passen muss. In Deutschland kommt das oft in regulierten Branchen, größeren Produktteams und internationalen Gruppen vor, die eine starke Datenkoordination über mehrere Standorte hinweg brauchen. Remote-Arbeit ist üblich, aber Workshops vor Ort können bei Namensgebung, Ownership und Glossar-Design helfen.
Häufige Tools
Zum Ökosystem gehören oft Collibra, Alation, Microsoft Purview, DataHub, Apache Atlas sowie cloud-native Catalog-Funktionen in AWS, Azure oder Google Cloud. Gute Profis wissen, wie man Scanner verbindet, Metadaten synchronisiert, Business-Begriffe technischen Assets zuordnet und den Catalog auch nach dem Rollout nützlich hält. Sie verstehen außerdem, wie Catalogs mit Data-Quality- und Lineage-Tools zusammenspielen.
Starkes Spezialistenprofil
Gute Experten installieren nicht nur ein Produkt. Sie definieren das Informationsmodell, justieren Suche und Klassifizierung, stimmen sich mit den Governance-Verantwortlichen ab und halten den Catalog aktuell, wenn sich Pipelines ändern.
- Klare Metadatenmodellierung
- Praktische Governance-Einrichtung
- Gute Kommunikation mit den Datenverantwortlichen
- Erfahrung mit Integrationen und APIs
- Fokus auf Nutzung, nicht nur auf Einrichtung
Warum Unternehmen freiberufliche Hilfe beauftragen
Freiberufliche Unterstützung ist hilfreich, wenn das interne Team zwar die Plattform hat, aber nicht das Catalog-Design, den Rollout-Plan oder die Zeit für die Bereinigung. Sie hilft auch, wenn ein Unternehmen einen kurzfristigen Schub für Discovery, Lineage, den Glossar-Aufbau oder eine Migration aus einem alten Metadaten-Repository braucht. Der richtige Spezialist macht aus einem Catalog ein funktionierendes Werkzeug und kein vergessenes Portal.
Häufig gestellte Fragen
Was Kunden uns zu Data Catalog am häufigsten fragen – kurz beantwortet.
Ein starker Data Catalog gibt Teams einen zentralen Ort, um Datensätze zu suchen, Ownership zu sehen, Definitionen zu lesen und nachzuvollziehen, woher Daten kommen. Er wird genutzt, um Begriffsverwirrung zu reduzieren, Analysen zu beschleunigen und Daten vertrauenswürdiger zu machen. In vielen Unternehmen wird er zum Einstiegspunkt für Governance und Data Discovery.
Data Catalog und Metadaten-Repository sind verwandt, aber nicht immer dasselbe. Ein Repository speichert Metadaten oft technischer, während ein Catalog meist Suche, Business-Kontext, Glossarbegriffe, Lineage und nutzerorientierte Workflows ergänzt. Deshalb vergleichen Käufer ihn oft eher mit Data-Governance- und Discovery-Tools als nur mit Speichersystemen.
Data Catalog-Projekte umfassen oft Collibra, Alation, Microsoft Purview, DataHub oder Apache Atlas sowie Cloud-Services von AWS, Azure oder Google Cloud. Die richtige Wahl hängt vom Stack, vom Governance-Modell und davon ab, wie viel Automatisierung das Unternehmen möchte. Ein Spezialist sollte wissen, wie man Quellen verbindet und Metadaten synchron hält.
Ein nützlicher Data Catalog-Spezialist versteht in der Regel Data Governance, Metadatenmanagement, Lineage, Zugriffskontrolle und Taxonomie-Design. SQL, Cloud-Plattformen, ETL- oder ELT-Flows und API-basierte Integrationen sind ebenfalls wertvoll. Bei größeren Rollouts ist Change Management genauso wichtig wie die technische Einrichtung.
Eine kleine Data Catalog-Bereinigung braucht vielleicht nur einen fokussierten Spezialisten, der Quellverbindungen, Namensgebung und Ownership-Regeln korrigieren kann. Ein breiter Rollout braucht meist jemanden, der gleichzeitig mit Governance-Leads, Plattformteams und Analysten arbeiten kann. Entscheidend ist nicht nur technisches Können, sondern auch die Fähigkeit, den Catalog für die tägliche Arbeit nutzbar zu machen.
Ein Unternehmen sollte Data Catalog-Expertise hinzuziehen, wenn die Data Discovery unübersichtlich ist, Metadaten unvollständig sind oder der vorhandene Catalog nicht genutzt wird. Freiberufliche Unterstützung ist auch bei einer Migration, einem Governance-Neustart oder beim Aufbau einer Cloud-Datenplattform sinnvoll. In Deutschland ist hybrides Arbeiten üblich, aber viele Catalog-Aufgaben lassen sich vollständig remote erledigen.
Ein guter Data Catalog-Spezialist liefert einen Catalog, den Menschen tatsächlich nutzen. Achten Sie auf saubere Quellzuordnung, sinnvolle Glossarbegriffe, verlässliche Lineage und klare Ownership-Regeln - nicht nur auf ein Tool, das einfach eingeschaltet ist. Starke Experten erklären auch Abwägungen und helfen Teams dabei, den Catalog nach dem Start aktuell zu halten.
Data Catalog-Software hilft Menschen dabei, Daten zu finden und zu verstehen, während Governance-Software sich oft stärker auf Richtlinien, Kontrollen und Verantwortlichkeit konzentriert. In der Praxis überschneiden sich beide Bereiche, und viele Tools vereinen beides. Ein guter Freelancer weiß, wo der Catalog aufhört und wo Governance-Workflows übernehmen.
Der durchschnittliche Stundensatz von Freelancern in Deutschland, die Data Catalog in ihren letzten Projekten eingesetzt haben, liegt bei 106 €, was einem Tagessatz von etwa 852 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Deutschland, die Data Catalog in ihren letzten Projekten eingesetzt haben, haben 92% mindestens einen Bachelor-Abschluss, 54% mindestens einen Master-Abschluss und 23% einen Doktortitel.
Freelancer in Deutschland, die Data Catalog in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 18 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 3,8 Jahre.
Die häufigsten Sprachen unter Freelancern in Deutschland, die Data Catalog in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (93%) und Französisch (33%).
Die häufigsten Industrien unter Freelancern in Deutschland, die Data Catalog in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (80%), Einzelhandel (67%) und Professionelle Dienstleistungen (60%).
Die häufigsten Bereiche unter Freelancern in Deutschland, die Data Catalog in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Business Intelligence (87%) und Produktentwicklung (60%).
Hauptstandorte der FRATCH Experten, die kürzlich Data Catalog eingesetzt haben
Unsere Freelancer und Interim-Experten sind in der gesamten DACH-Region zuhause — verfügbar vor Ort in den wichtigsten Wirtschaftszentren oder komplett remote. Wähle einen Standort und entdecke passende Spezialisten, lokale Markteinblicke und aktuelle Verfügbarkeiten.
Berlin Hamburg München Köln Frankfurt Stuttgart Düsseldorf Leipzig Dortmund Essen Bremen Dresden Hannover Nürnberg Kostenlose Demo vereinbaren
Kontaktiere uns und das FRATCH-Team meldet sich innerhalb von 4 Stunden bei dir.
Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!
Philipp Thomaschewski
FRATCH CEO
